《表5 测试集下各模型MSE和MAE》
由图4可知,将R2作为预测曲线的决定系数值,其表示为R2=1-SSres/SStot,式中:SSres表示平均值和回归数据之间的误差;SStot表示平均值与真实数据之间的误差,且SStot一般大于SSres,误差值都在0~1。在数据确定后,SStot的值也随之固定,预测值准确性越低,SSres的数值就越大,此时R2的值也越小,相反准确性越高,R2的值也越大。由图4可以计算出XGBoost模型的决定系数R2值为0.89,随机森林模型的决定系数R2值为0.83,梯度回归树模型的决定系数R2值为0.87,Blending集成模型的决定系数R2值为0.91,可知采用Blending集成方法的集成模型有着较好的拟合效果。如表5所示为均方误差(MSE)和平均绝对误差(MAE)矩阵在测试集下的表现结果。
图表编号 | XD00200484400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 李惠蓉、王新生 |
绘制单位 | 国家风电设备质量监督检验中心、国家风电设备质量监督检验中心 |
更多格式 | 高清、无水印(增值服务) |